智能制造的“智”与“能”

山东大学软件学院副院长刘士军在第九届吴文俊人工智能科学技术奖颁奖典礼暨2019中国人工智能产业年会作了题为《智能制造的“智”与“能”》的报告，刘士军表示，智能制造的智能主要是数据驱动的智能，把感知到的数据综合起来，就是智，这就是产生智能的源头，产生智能就是靠对大量数据的感知。智能制造的能，按照现在理解，我们所谓的智能是智力和能力的组合，能把智慧用起来才叫智能。

以下为刘士军报告内容实录:

刘士军：我们团队最近20多年一直在做制造业相关的事情，之前是制造业信息化，现在可以说是在做智能制造，有一些对智能的理解跟大家分享一下。

我们国家对智能制造是非常重视的，涉及到国家发展问题。国家对智能制造的理解有几个关键词，是新一代信息技术跟先进制造技术的融合，贯穿制造业的各个环节，智能制造就是要从自感知、自学习，到自决策、自执行、自适应，我觉得这是核心内涵。

 中国制造2025，把智能制造分成了三个内容。从制造环节的智能生产，到智能化产品，最后是一个服务型制造，产业模式的一个变革，这是智能制造的三个方面。

智能制造达到什么目标？我稍微总结一下，狭义来讲智能制造就是过去所谓的自动化，无人工厂，让机器人，智能机器没有人的干预下进行小批量生产。

德国提出的工业4.0，要应对工作场所的人口变化，现在发达国家的人口老龄化非常严重，我们国家也会有这个问题，人们的生活水平越来越高，要想实现工作和生活的平衡，要把工作变成享受，还有确保高工资，保证更高竞争力，只能靠智能解决这些问题。

咱们国家提的比较实在，智能制造就是两提升，三降低，更多还是从制造本身。生产效率提高，综合利用率提高，降低生产周期，降低运营成本，不良品率降低，其实就是提质增效，降本增效，这是我们的目标。

智能制造在制造业里面，特别是从咱们国家制造业发展来讲，可能更主要是数据驱动智能，荀子提到过对智有一个解释，“知有所合谓之智”，首先我们要感知，“合”就是跟认知相符合，我觉得也可以理解为，要把感知到的东西综合起来，就是智，这就是产生智能的源头，产生智能就是靠对大量数据的感知。过去人是这样做的，将来机器也是这样做的，人工智能也是这样做的。

我们知道现在是人工智能第三次高峰，这个高峰就是数据驱动的智能。这次人工智能的发展和大数据的发展正好在同一个时期，有了这样一个数据，有了海量高质量、高精准的数据，我们才有了人工智能的发展。

为什么数据能产生智能呢？首先数据具有核心价值，数据最核心的价值是客观性。数据是不会撒谎的，特别是通过自动设备感知的数据不会撒谎，而大量数据会有规律性。第二个特点，数据预测的关键在于数据的关联，这个事情大家都有很强的认知。制造业数据关联性比互联网数据的关联性强的多，制造业大量数据都是强机理的内在关联，所有数据都是关联在一起的，内部完全紧密关联的，以它为核心就可以把各种数据整在一起做分析和统计。

第三是数据背后藏着细节，数据背后不仅有真相，还有细节。制造业现在融合了更多数据，这么多数据就可以带来更加精细的管理，能够带来一些更精细的洞察，企业数据原来主要是经营数据，现在有大量物联网数据，有新的技术，RFID在很多制造企业非常普遍应用，还有传感器技术，包括5G现在也开始应用，大量物联网数据叠加上原来的经营数据，就可以实现很多过去做不到的事情，比如实时检测、经济核算、精益管理、故障预测等等，细节能够提供给我们精细化管理的可能，这是一个趋势。

 还有一个，这是最有价值的，数据核心是能够发现未知的未知。不可能发生的事情，我们不了解可能会发生什么风险，也不了解风险的几率和严重性，这种情况就是未知的未知。一个典型的例子，欧洲人在很长时间内认为天鹅一定是白的，直到有一天见到黑天鹅。在不知道黑天鹅之前根本没有见过这个东西，所以不知道这个东西的存在，从认知规律上来讲，这种未知的未知范围，远大于已知的已知和已知的未知，这些东西怎么来获取呢？一旦有了大量的、多方面、多维度的数据，我们可以让机器帮我们找，机器可以挖掘这里面一些现象，发现关联，找到一些蛛丝马迹。以上这些点就是数据产生智能的根本原因，而制造业积累了大量数据。2009年IDC做的一个数据规模的排名，第一名是离散制造业，第四名是流程制造业，制造业实际上积累大的数据，最早的制造信息化早在1954年就开始用了，那个年代通用公司就开始用计算机算工资了，所以制造业积累了大量的业务数据。

而工业物联网又带来巨大的传感数据，制造数据集是非常庞大的，能够为智能制造打造一个非常好的基础，数据智能已经广泛应用于企业的各个场景，从生产供应销售，人力到机器，到物料，到工艺，到财务，各个部门，各个分支，各个环节都有大量的数据应用，第一层，先去找到数据背后隐藏的规律，然后对数据的理解辅助更精准的决策支持，到最后是和人的辅助交互。

数据智能在制造业有广泛的应用，我简单给大家举几个例子，比如预测性维护，预测风力发电机结冰的情况，这个都要靠人去识别非常困难，目前风电发展的趋势是在海上，离海岸大概十几公里远的远海，高度都是高达两百多米的巨型风机，这些东西的维护只能靠人工智能帮忙解决了。

质量管控也可以依靠智能解决，制造品的质量，在我们的印象里，80年代产品质量是没有保障的，国家那时候有一个全国质量月，国家对质量提的非常多，因为质量不行。现在家里用的冰箱、彩电、手机都没有太多质量问题，那是因为质量管控有了很好的技术。一家拉链公司，原来靠人去识别残次品，据说干这个活，工人视力很受影响；现在靠机器拍照片识别，智能识别，这些其实都还是一些比较浅的应用，但是我们知道这些实实在在都已经用起来了。

 还有山东海尔公司做产品迭代开发，一开始的时候为什么要做这个产品？它是源于客户社交网络的分析，分析社群用户交互数据，看看大家对什么关注，发现关注噪音的有12%。然后通过这些数据去做优化设计，解决噪音问题过去是靠人去听，现在也是靠人工智能。另外海尔提了一个新词叫网器数据，家用电器连到网络上成为网络上的电器，我们家安装空调最后一步要把它连到网络上，才让我签字，才能完成安装。这个空调会将运行中的数据传回企业，以后就可以用来做智能分析，用于迭代开发，下一代的空调比这个还要好，那就是大量的数据用在产品迭代开发里面。

智能制造其实需要大量应用，回到今天讲的主题——数据驱动的智能。智能制造的能，按照我现在理解，我们所谓的智能是智力和能力的组合，能把智慧用起来才叫智能，如果通过数据能够发现规律，数据可以揭示背后一些细节，但是我们用不起来也不行。西门子做了一个事，收购了一个原生代码公司，整合到他的MindSphere软件上，专门去做应用开发，其实就是强调应用的重要性，各种应用能够快速开发出来，面向工业界基于云的开发。

这给我们一个启发，智能制造最终解决的问题是什么呢？智能制造核心问题就是制造本身的复杂性所带来的不确定性和多样性，这个问题其实要靠软件来解决，依靠软件定义的规则去驱动数据，通过数据的流动解决不确定性。

 数据智能能够提供给我们从大数据到知识，从知识到决策能力。智能制造就是刚才说的五个“自”，要通过智能赋能制造，通过实现这五个“自”解决智能制造目前所面临大量不确定的场景。最终实现数据驱动制造，有了智能，再有数据驱动，将来制造过程完全是一个软件定义，可流动的制造。